假想建立一个具有两个变量X1和X2的线性模型，假设真实模型是y = X1+X2。幻想情况下，如不雅不雅察到的数据有少量的噪声，线性回归解将找回真实模型。然而，如不雅X1和X2共线，大年夜多半优化算法的关系，y=2*X1, y=3*X1-X2或y=100*X1-99*X2都是不错的。

这个问题可能不是有害的，因为它没有误差估计。然而，它确切会使问题成为病态，并且使系数权重无法解释。

7. Interpreting absolute value of coefficients from linear or logistic regression as feature importance

因为很多现有的线性回归返回的p-value

系数的P值返回每个，

此外，数据集在讹诈检测平日包含高度不均衡的标签。在这种情况下，偏置的损掉函数有利于罕有的情况下(例如：经由过程上/下采样)。

1. Take default loss function for granted(理所当然的采取默认损掉函数)

很多人认为线性模型，系数的绝对证?浣大年夜，对应的特点越重要。这很少是真实的，因为：

改变了变量的范围，就改变了系数说的绝对值;

如不雅特点是共线的，系数可以年腋荷琐特点转移到其他。

此外，数据集有更多的特点，有更多的可能特点共线，用系数解释特点重要性的靠得住性较差。

【编辑推荐】

1. 机械进修衔目中的数据预处理与数据整顿之比较
2. 一种基于机械进修的主动化鱼叉式收集垂纶思路
3. 我是若何用机械进修技巧赞助HR省时光的
4. 大年夜话“人工智能、数据科学、机械进修”--综述
5. 干货｜在机械进修中若何应对不均衡分类问题？

【义务编辑：武晓燕 TEL：（010）68476606】

　　推荐阅读

　　如何在UEFI模式下安装Linux

此页面是免费浏览的，没有常人的外部告白;然而，我切实其实花了时光预备，网站托管也花了钱。如不雅您发明此页面帮到了您，请推敲进行小额借钱，以赞助保持网站的运行。感谢! 原著于 201>>>详细阅读

本文标题：机器学习中容易犯下的错

地址：http://www.17bianji.com/lsqh/35090.html

 1/2    1